- 1 Je remercie Lidia Ait-Namane, Pauline Beauchamps, Émilie Crepet, Frédérique Ducros, Jessica Flatot (...)
1Bandura (1986) a proposé que les sentiments d’efficacité personnelle, c’est-à-dire les croyances et la confiance que les individus ont dans leurs capacités à réaliser avec succès des tâches et des comportements requis, sont des médiateurs fondamentaux des comportements et des changements de comportement ; des faibles sentiments d’efficacité personnelle pour une tâche donnée conduisant à l’évitement, alors que des forts sentiments d’efficacité personnelle augmentent la fréquence de ceux-ci. Depuis trois décennies, de très nombreuses recherches ont appliqué la théorie des sentiments d’auto-efficacité de Bandura (1977, 1986, 1997, 2003) au développement des choix professionnels et aux prises de décisions d’orientation, montrant que cette auto-efficacité contribue fortement à l’orientation professionnelle : « Elle prédit l’étendue des choix de carrière sérieusement pris en considération, l’intérêt et la préférence pour une profession, le suivi d’une scolarité qui prépare à la carrière choisie, la persévérance dans les difficultés, la réussite scolaire dans le domaine choisi et même le choix du milieu culturel dans lequel la personne poursuivra sa carrière » (Bandura, 2003, p. 635). Suite aux suggestions originales de Hackett et Betz (1981), Taylor et Betz (1983) ont étudié l’utilité de la théorie de l’auto-efficacité de Bandura pour comprendre et traiter l’indécision en matière d’orientation. Elles ont développé une mesure des sentiments d’efficacité personnelle à réaliser les tâches en lien avec les processus réflexifs et les comportements relatifs aux choix et aux décisions d’orientation, ou auto-efficacité vocationnelle : l’échelle des sentiments d’auto-efficacité aux décisions de carrière, the Career Decision Self-Efficacy Scale (CDSES).
2À l’origine, la CDSES a été conçue par Taylor et Betz (1983) comme un moyen d’évaluer la confiance des individus dans leurs capacités à mener à terme les tâches nécessaires à la prise de décisions d’orientation. Elle s’appelait d’ailleurs Career Decision-Making Self-Efficacy Scale, mais les auteures ont modifié ce premier nom à cause d’un copyright et proposé l’acronyme CDSES. Taylor et Betz ont utilisé le modèle de la maturité de carrière de Crites (1961, 1978) pour proposer cinq grands domaines de compétences relatifs aux conduites individuelles d’orientation : l’auto-connaissance, la recherche d’informations sur les filières et les métiers, la sélection d’objectifs, la planification pour le futur et la résolution de problèmes nécessitant de nouvelles décisions. Dix items présentant des tâches relatives à chaque domaine (ou dimension théorique) furent sélectionnés et les répondants devaient indiquer leur degré de confiance à les réaliser sur une échelle de type Likert à 10 modalités, de 0 (pas de confiance), à 9 (confiance parfaite). La CDSES permettait ainsi de calculer six scores, cinq pour les sous-échelles en relation avec les cinq dimensions et un score total. Taylor et Betz (1983) ont rapporté des coefficients d’homogénéité interne alphas élevés pour les cinq sous-échelles (de .86 à .89) et pour le score total (.97). En revanche, leurs analyses factorielles exploratoires (analyses en composantes principales) ont échoué à retrouver leur modèle théorique en cinq facteurs.
3Très rapidement, la CDSES est devenue l’un des outils les plus utilisés dans les pratiques d’évaluation et de conseil (Luzzo, 1993). Pour réduire la longueur de l’échelle originale afin d’en faciliter l’utilisation par les praticiens, Betz, Klein, et Taylor (1996) ont proposé une forme courte en éliminant 5 items sur 10 par sous-échelle. La Career Decision Self-Efficacy Scale-Short Form (CDSES-SF), l’échelle des sentiments d’auto-efficacité aux décisions de carrière – forme courte contient ainsi un total de 25 items relatifs aux mêmes cinq domaines de compétences. Les réponses se font sur une échelle de type Likert à 10 modalités, de 1 (pas de confiance), à 10 (confiance parfaite). Les résultats rapportés ont montré des coefficients d’homogénéité interne alphas élevés pour les cinq sous-échelles (de .73 à .83) et pour le score total (.94). Betz et ses collaboratrices (1996) ont mené des analyses factorielles exploratoires qui ont échoué à mettre en évidence le modèle théorique, les items ne saturant pas les cinq facteurs de façon cohérente avec celui-ci.
4Enfin, plus récemment, Betz, Hammond, et Multon (2005) ont proposé de réduire de 10 à 5, les modalités de réponse à la CDSES-SF. Les auteurs indiquent des coefficients d’homogénéité interne alphas élevés pour les cinq sous-échelles (de .78 à .87) et pour le score total (.95). En comparant leurs données aux précédentes études portant sur la forme à 10 modalités de réponse (Betz et al., 1996 ; Betz & Voyten, 1997), ils concluent que les deux types de scores présentent des qualités métriques équivalentes.
5Un très grand nombre d’études a porté sur les caractéristiques psychométriques des deux échelles, la CDSES et la CDSES-SF, accumulant les preuves de validation. Les scores des deux formes sont hautement fidèles. Par exemple, Nilsson, Schmidt et Meek (2002) ont analysé 41 articles et 7 thèses et rapportent des coefficients d’homogénéité interne alphas de .83 à .97 pour les deux formes. Seules les valeurs des coefficients rapportées par Gaudron (2011) sur des étudiants français sont plus basses, de .59 à .70 pour les sous-échelles et de .87 pour le score total. Concernant la stabilité temporelle, quelques études (Gaudron, 2011 ; Luzzo, 1993 ; Mau, 2000) ont rapporté des coefficients de fidélité test-retest élevés, de .81 à .83, pour des intervalles de temps variant de 4 à 6 semaines.
6Plusieurs recherches ont porté sur la structure factorielle des deux formes CDSES avec des populations différentes. La plupart des auteurs ont utilisé des analyses factorielles exploratoires (analyses en composantes principales) suivies de rotations orthogonales (varimax ou obliques) et aucun n’a trouvé une structure en cinq facteurs correspondant au modèle théorique de base. Face à la difficulté d’interpréter des résultats d’analyses en cinq facteurs complexes, c’est-à-dire dans lesquelles des items de différentes dimensions théoriques saturent les mêmes facteurs, certains chercheurs ont alors suggéré que la CDSES offrait une mesure générale des sentiments d’efficacité vocationnelle couvrant de multiples facettes relatives aux comportements de prise de décisions d’orientation (Hampton, 2006 ; Robbins, 1985 ; Taylor & Betz, 1983 ; Taylor & Popma, 1990). D’autres chercheurs ont aussi proposé des solutions à deux, trois ou quatre facteurs, en retirant certains items.
7Peterson et delMas (1998) ont présenté une solution à deux facteurs avec 16 items sur un échantillon d’étudiants. Ces deux facteurs ont été nommés Prise de décisions et Recherche d’informations. Des solutions à trois facteurs ont été proposées d’une part, par Creed, Patton, et Watson (2002) avec 23 items sur des échantillons de lycéens australiens et sud-africains et d’autre part, par Hampton (2005) avec 16 items pour des étudiants chinois. Dans les deux études, les facteurs, qui ne regroupent pas exactement les mêmes items, ont été nommés Recherche d’informations, Prise de décisions et Résolution de problèmes. Enfin, deux études ont mis en évidence des solutions à quatre facteurs : celle de Chaney, Hammond, Betz, et Multon (2007) avec 25 items sur un échantillon d’étudiants américains et celle de Gaudron (2011), avec 18 items sur des étudiants français. Dans cette dernière étude, les facteurs ont été nommés Recherche d’informations, Sélection d’objectifs, Résolution de problèmes et Gestion de projet. La structure factorielle de chacune des deux formes varie donc d’une étude à l’autre, d’un échantillon à l’autre. Mais qu’il s’agisse de facettes multiples ou de plusieurs facteurs, tous les auteurs s’accordent sur le caractère multidimensionnel de l’échelle.
8Quelques études ont porté sur la structure factorielle de la CDSES-SF en utilisant l’analyse factorielle confirmatoire soit, un modèle de mesure fixant les 25 items de l’échelle sur leur facteur théorique respectif. Les résultats sont contrastés. Il y a d’un côté plusieurs études qui présentent des indices non satisfaisants telles celles de Watson, Brand, Stead, et Ellis (2001) (2 (265, N = 364) = 807.53, CFI = .83, RMSEA = .07), de Hampton (2005) (2 (265, N = 256) = 784.95, CFI = .79, RMSEA = .08), ou de Gaudron (2011) (2 (265, N = 650) = 1050.78, CFI = .78, RMSEA = .075) et qui concluent sur une mauvaise adéquation du modèle en cinq facteurs aux données ; et de l’autre côté, une étude de Miller, Sendrowitz Roy, Brown, Thomas, et McDaniel (2009) qui rapportent des indices plutôt satisfaisants sur deux échantillons (2 (265, N = 267) = 521.57, CFI = .97, RMSEA = .06, et 2 (265, N = 239) = 593.71, CFI = .96, RMSEA = .07, respectivement).
9Il existe enfin tout une série de recherches portant sur la validité critérielle incluant les relations entre les CDSES et d’autres mesures relatives aux choix et développement de carrière. Ainsi, les scores des deux formes présentent des relations élevées avec l’indécision de carrière (voir Betz & Luzzo (1996) pour une revue de question), le style de prise de décisions (Mau, 2000), l’identité vocationnelle (Gushue, Scanlan-Kolone, Pantzer, & Clark, 2006 ; Munson & Savickas, 1998 ; Robbins, 1985), la maturité de carrière (Luzzo, 1993), les patterns de choix de carrière (Gianakos, 1999), les croyances d’orientation adaptatives (Luzzo & Day, 1999), ainsi que les engagements (Betz & Serling, 1993 ; Chung, 2002) et les comportements exploratoires en matière d’orientation (Blustein, 1989 ; Gushue et al., 2006).
10Plusieurs recherches ont été menées sur des échantillons autres qu’américains (Abdalla, 1995 ; Gati, Osipow, & Givon, 1995 ; Mau, 2000 ; Rowland, 2004) et quatre études ont porté spécifiquement sur l’évaluation des caractéristiques psychométriques de la CDSES-SF (Creed et al., 2002 ; Gaudron, 2011 ; Hampton, 2005 ; Watson et al., 2001). Comme on l’a vu ci-dessus, aucune de ces études non américaines n’a confirmé le modèle en cinq facteurs et Miller et ses collaborateurs (2009), qui eux ont confirmé la structure, ont suggéré que ces résultats pouvaient rendre compte de différences culturelles affectant les processus de décisions de carrière (Lindley, 2006).
11Depuis quelques années en France, on assiste à une augmentation de l’intérêt porté à la théorie des sentiments d’auto-efficacité de Bandura par les chercheurs et praticiens de l’orientation (voir par exemple Blanchard, 2008, 2009). Pourtant, encore très peu de chercheurs ont exploré l’utilité du concept de sentiments d’efficacité vocationnelle et travaillé avec les échelles des sentiments d’auto-efficacité aux décisions de carrière de Betz et ses collaboratrices (Bernaud, Danet, & Dinar, 2009). Par ailleurs, si certaines caractéristiques psychométriques de la CDSES-SF ont été appréciées sur un échantillon d’étudiants français (Gaudron, 2011), il n’existe pas, à notre connaissance, de données portant sur des lycéens. L’objectif de la présente étude est de combler ce manque en présentant une adaptation de l’échelle des sentiments d’auto-efficacité aux décisions de carrière – forme courte et ses qualités métriques, pour lycéens.
12Deux cent trente-quatre élèves de trois lycées de la Haute-Garonne (Midi-Pyrénées) ont participé à cette étude. Soixante-huit élèves étaient en première (29 %), 166 en terminale (71 %). Ils étaient issus de cinq filières : 67 en Économique et sociale (ES, 29 %), 66 en Scientifique (S, 28 %), 48 en Sciences et technologies de la santé et du social (ST2S, 21 %), 38 en Sciences et technologies de la gestion (STG, 16 %) et 15 en Littéraire (L, 6 %). Il y avait 165 filles (69 %) et 69 garçons (31 %) avec des âges variant de 16 à 21 ans (M = 21,4, SD = 4,9). Au cours de l’année scolaire et avant la passation des questionnaires, les lycées sollicités n’avaient pas proposé d’actions collectives (au niveau des classes par exemple) d’aide à la définition de projet. En revanche, il n’a pas été demandé dans le questionnaire si les lycéens avaient pu bénéficier individuellement d’un accompagnement à l’orientation suite à une démarche personnelle.
13L’échelle des sentiments d’auto-efficacité aux décisions de carrière (The Career Decision Self-Efficacy Scale-Short Form (CDSES-SF) ; Betz et al., 1996). Cette échelle contient 25 items mesurant les croyances des personnes quant à leurs capacités à mener des conduites d’orientation. Elle comporte 5 sous-échelles qui renvoient aux cinq domaines de compétences du modèle de Crites (1961, 1978) : l’autoévaluation (par exemple, item 5 : « Estimer vos capacités de façon précise ») ; la recherche d’informations (par exemple, item 1 : « Trouver des informations à la bibliothèque concernant des métiers qui vous intéressent ») ; la sélection d’objectifs (par exemple, item 2 : « Sélectionner une des filières parmi celles qui vous intéressent le plus ») ; la planification (par exemple, item 3 : « Faire un échéancier de vos objectifs pour ces 5 prochaines années ») ; la résolution de problème (par exemple, item 4 : « Déterminer les mesures à prendre si vous avez des difficultés scolaires avec un des aspects de la filière choisie »). Les réponses sont données sur une échelle de type Likert à 5 modalités de 1 (aucune confiance) à 5 (confiance totale).
14L’adaptation pour ce public lycéen (voir annexe A) a été faite à partir de la version française pour des étudiants (Gaudron, 2011). Elle comporte quatre ajustements mineurs par rapport à cette dernière : item 10, ajout de « (qui recrutent) » ; item 12, ajout de « (curriculum vitae) » ; item 18, « le métier qui vous intéresse » remplace « tel métier » ; dans la consigne enfin, un exemple est proposé pour aider à la compréhension. Des renseignements concernant l’âge, le sexe et la filière ont également été demandés.
15Les moyennes (M), écarts-types (SD) et coefficients d’homogénéité interne alphas ont été calculés à l’aide du logiciel SPSS.18 et sont présentés dans le tableau 1. À fin de comparaisons, les scores moyens ont été calculés par sous-échelle (la somme des réponses aux items d’une sous-échelle est divisée par 5) et pour le score total (la somme des réponses aux 25 items est divisée par 25) (Betz et al., 2005). Le score total a un minimum observé de 1 et un maximum de 4,80 avec une moyenne de 3,22 (SD = 0,51). Comme le montre le tableau 1, les moyennes aux 5 sous-échelles pour l’ensemble de l’échantillon varient de 3 à 3,37. Il n’y a pas de différence significative au seuil p < .10 entre les deux groupes de sexe pour les 6 scores. L’homogénéité interne du score total est élevée, avec une valeur de .88. En revanche, les valeurs des coefficients alphas pour les sous-échelles sont modérées, allant de .50 à .70.
Tableau 1
Moyennes, Écarts-types et coefficient alphas pour l’échantillon total et par sexe
|
Total
(N = 234)
|
|
Filles
(n = 165)
|
|
Garçons
(n = 69)
|
ESEV
|
M
|
SD
|
Alpha
|
|
M
|
SD
|
Alpha
|
|
M
|
SD
|
Alpha
|
Total
|
3.22
|
0.51
|
.88
|
|
3.21
|
0.51
|
.88
|
|
3.24
|
0.53
|
.88
|
Auto-connaissance
|
3.34
|
0.67
|
.65
|
|
3.34
|
0.64
|
.60
|
|
3.34
|
0.74
|
.75
|
Recherche d’infos
|
3.36
|
0.60
|
.55
|
|
3.38
|
0.59
|
.53
|
|
3.30
|
0.63
|
.69
|
Sélection d’objectifs
|
3.37
|
0.69
|
.70
|
|
3.34
|
0.66
|
.69
|
|
3.44
|
0.76
|
.70
|
Planification
|
3.02
|
0.66
|
.67
|
|
3.01
|
0.65
|
.66
|
|
3.06
|
0.68
|
.67
|
Résolution de pb
|
3.00
|
0.63
|
.60
|
|
2.98
|
0.63
|
.61
|
|
3.04
|
0.63
|
.58
|
Table 1
Means, Standard Deviations and Alpha Coefficients for total and sex groups
16Les analyses de la structure factorielle de l’échelle ont été menées en deux temps. Tout d’abord, le modèle de base en cinq facteurs de Betz et al. (1996) et l’unidimensionnalité des 5 sous-échelles ont été examinés à l’aide d’analyses factorielles confirmatoires. Puis, dans un second temps, plusieurs analyses factorielles exploratoires ont été menées et différentes solutions étudiées pour estimer au mieux la structure factorielle de l’échelle des sentiments d’auto-efficacité aux décisions de carrière pour des lycéens. La solution retenue a été testée avec une analyse factorielle confirmatoire.
17En suivant les recommandations de plusieurs auteurs (Hu & Bentler, 1998 ; Kline, 2011 ; McDonald & Ho, 2002 ; Sun, 2005), l’évaluation de l’ajustement du modèle aux données pour les analyses factorielles confirmatoires a reposé sur plusieurs indicateurs. Des valeurs non significatives (p > .05) au 2 indiquent que l’hypothèse nulle (non différence entre le modèle et les données) n’a pas été rejetée. Pour l’indice RMSEA (Root-Mean-Square Error of Approximation), Hu et Bentler (1999) ont proposé la valeur critique de 0,06, et Steiger (2007), la valeur de 0,07. Kline (2011) recommande d’ajouter les limites inférieures et supérieures de l’intervalle de confiance à 90 %, ainsi que le test d’hypothèse nulle associé (close-fit hypothesis) dont la valeur p > .05 est favorable au modèle testé. Pour l’indice SRMR (Standardized Root Mean Squared Residual), une valeur jusqu’à 0,08 est acceptable (Hu & Bentler, 1999). Pour l’indice CFI (Comparative Fit Index), les valeurs acceptables varient selon les auteurs : supérieures à .90 pour MacDonald et Ho (2002) et pour Tabachnick et Fidell (1996) ; supérieures à .95 pour Hu et Bentler (1999).
18Les modèles ont été testés à l’aide du logiciel Mplus (Muthén & Muthén, 1998) en utilisant la méthode du maximum de vraisemblance. Les indices d’ajustement des modèles testés sont présentés dans le tableau 2. Le modèle de base de Betz et al. (1996) en 5 facteurs et fixant chacun des 25 items sur son facteur respectif (la dimension théorique) ne s’ajuste pas de façon satisfaisante aux données, avec des valeurs d’indices inférieures aux seuils énoncés ci-dessus. Concernant les sous-échelles, les modèles en 1 facteur (unidimensionnalité) s’ajustent aux données de façon satisfaisante pour les sous-échelles Auto-connaissance et Planification et de façon acceptable pour les sous-échelles Sélection d’objectifs et Résolution de problèmes. En revanche, l’ajustement du modèle aux données est mauvais pour la sous-échelle Recherche d’informations.
19Afin de déterminer un modèle représentant mieux les données de cet échantillon de lycéens, plusieurs analyses factorielles exploratoires ont été menées. En suivant la proposition de Creed et al. (2002), une première analyse en composante principale suivie de rotations obliques a été menée en utilisant le logiciel SPSS.18. Sept facteurs avec une valeur propre supérieure à 1 sont apparus. Le modèle théorique de base comprenant cinq dimensions, les rotations ont été faites sur 5 facteurs expliquant 49,4 % de la variance totale. Ces cinq facteurs contenaient respectivement 9, 4, 7, 7 et 7 items dont les saturations étaient supérieures à .30, ce qui signifie que de nombreux items saturaient plusieurs facteurs (8 saturaient deux facteurs, 1 en saturait trois) ; 1 item ne présentait aucune saturation. Par ailleurs, on retrouvait des items de différentes sous-échelles dans chacun des facteurs. Autrement dit, la plupart des items ne saturaient pas le facteur en cohérence avec la théorie.
20Afin d’améliorer l’interprétation, les items saturant aucun et/ou plusieurs facteurs ont été retirés au fur et à mesure, en explorant plusieurs solutions.
Tableau 2
Résumé des indices d’ajustement des différents modèles
Modèle
|
2
|
Df
|
p
|
RMSEA
(90 % CI)
|
Pclose-fit H0
|
SRMR
|
CFI
|
Échelle de 25 items
|
|
|
|
|
|
|
|
Betz et al. (1996)
|
575.63
|
265
|
.000
|
.071
(.063-.079)
|
.000
|
.070
|
.78
|
|
|
|
|
|
|
|
|
Sous-échelle
(unidimentionnalité)
|
|
|
|
|
|
|
|
Auto-connaissance
|
557.62
|
555
|
.180
|
.047
(.051-.156)
|
.452
|
.034
|
.98
|
Recherche d’informations
|
515.48
|
555
|
.009
|
.095
(.043-.150)
|
.071
|
.056
|
.87
|
Définition d’objectifs
|
517.04
|
555
|
.004
|
.10
(.051-.156)
|
.046
|
.040
|
.94
|
Planification
|
556.90
|
555
|
.230
|
.040
(.000-.106)
|
.516
|
.032
|
.99
|
Résolution de problèmes
|
515.02
|
555
|
.010
|
.093
(.041-.148)
|
.081
|
.057
|
.91
|
|
|
|
|
|
|
|
|
Échelle avec 16 items
|
|
|
|
|
|
|
|
Quatre facteurs
|
153.18
|
598
|
.000
|
.049
(.033-.064)
|
.524
|
.053
|
.93
|
Table 2
Summary of fit indices of the different models
21Puis, chaque modèle retenu a été testé à l’aide d’une analyse factorielle confirmatoire. Au final, la solution « la plus satisfaisante » pour la structure factorielle des données de cet échantillon de lycéens est un modèle en quatre facteurs avec 16 items. Le tableau 3 présente les saturations sur les quatre facteurs obliques qui représentent 53,1 % de la variance totale expliquée. Le premier facteur qui explique 27,7 % de la variance contient 5 items des dimensions Autoévaluation (items 14 et 22), Recherche d’informations (item 19) et Sélection d’objectifs (items 11 et 20). Ces items partagent, à une exception près, un thème commun renvoyant aux choix en relation avec les styles de vie, les intérêts et les valeurs. Ce facteur 1 pourrait être nommé « Choisir des objectifs à long terme ». Le second facteur qui explique 9,4 % de la variance contient 3 items issus de la dimension Résolution de problèmes (items 13, 17 et 25) et peut s’interpréter comme la confiance dans la capacité à changer de voie : il pourrait être nommé « Changement de voie ». Le facteur 3 (8,5 % de la variance expliquée) contient quatre items des dimensions Autoévaluation (item 5), Planification (items 12 et 24) et Résolution de problèmes (item 4). Trois items sur quatre se centrent sur les processus et techniques de recherche d’emploi, il pourrait être nommé « Techniques de recherche d’emploi ». Le dernier facteur qui rend compte de 7,5 % de la variance expliquée comporte également quatre items des dimensions Recherche d’informations (items 1 et 23), Sélection d’objectifs (item 6) et Planification (item 3). Ce quatrième facteur pourrait être nommé « Recherche et traitement d’information ». Si le facteur 3 semblait plutôt renvoyer à des comportements d’entrée dans la vie active, ce quatrième facteur pourrait s’interpréter comme les tâches à mener pour prendre les premières décisions (choix de filière, choix de métier, planification des études), cette interprétation reposant davantage sur des aspects de temporalités plus ou moins proches (Chaney, Hammond, Betz, & Multon, 2007).
22Le modèle en quatre facteurs avec 16 items a enfin été testé par une analyse factorielle confirmatoire. Les indices présentés en bas du tableau 2 montrent un ajustement acceptable de ce modèle aux données. Les paramètres estimés sont présentés dans la colonne de droite du tableau 3.
23L’objectif de cette étude était de présenter une adaptation française pour des lycéens de l’échelle des sentiments d’auto-efficacité aux décisions de carrière – forme courte (CDSES-SF) et ses qualités métriques. Les résultats montrent que les scores obtenus aux sous-échelles sur cet échantillon sont modérément fidèles, ces dernières pouvant être considérées comme unidimensionnelles, à l’exception de l’échelle Recherche d’informations. La fidélité est plus élevée pour le score total. Les résultats montrent également que le modèle théorique de Betz et al. (1976) ne s’ajuste pas aux données de façon satisfaisante. Cela dit, le caractère multidimensionnel de l’échelle a été établi à l’aide d’un modèle en quatre facteurs avec 16 items.
24Certains résultats confortent ainsi ceux trouvés par de précédentes recherches, d’autres sont contradictoires. Ainsi, en est-il tout d’abord pour la fidélité élevée du score total (.88), mais qui n’atteint pas le niveau de valeur trouvé dans la plupart des études. Par exemple, Betz et al. (2005) rapportent plusieurs coefficients tous supérieurs à .94. Les écarts sont encore plus importants pour les sous-échelles de la présente étude (de .55 à .70) si on les compare encore aux travaux de Betz et al. (2005) qui ont calculé des coefficients alphas de .78 à .85. Cela dit, ces valeurs modérées sont similaires à celles trouvées par Gaudron (2011) sur un échantillon d’étudiants français (de .59 à .70). Ces résultats pourraient refléter des différences culturelles affectant les processus de choix et de prise de décision (Lindley, 2006). Comme le suggérait Miller et al. (2009, p. 516), « il est possible que certains des items de la CDSES-SF prennent des significations différentes et présentent alors des patterns de relations différents avec les autres items ». Enfin, l’unidimensionnalité a été mise en évidence pour quatre sous-échelles : l’auto-description, la sélection d’objectifs, la planification et la résolution de problème.
25Deuxièmement, les résultats infirment le modèle de Betz et al., (1996) en cinq facteurs : l’analyse factorielle confirmatoire indique des valeurs des indices d’ajustement faibles. Ils confirment d’un côté les analyses d’autres études internationales (Gaudron, 2011 ; Hampton, 2005 ; Watson et al., 2001). En revanche, ils sont contradictoires avec l’étude de Miller et al. (2009) sur un échantillon d’étudiants américains. De ce fait, ils tendent à confirmer les différences observées par Miller et ses collaborateurs entre les recherches reposant sur des échantillons américains vs non américains. Enfin, et de façon tout à fait cohérente avec les précédentes recherches, les résultats à une première analyse factorielle exploratoire ont mis en évidence une solution en cinq facteurs complexe et difficilement interprétable, avec la plupart des items ne saturant pas le facteur en cohérence avec la théorie en cinq dimensions sous-jacente, voire en saturant plusieurs (ou aucun). De ce fait, d’autres analyses factorielles ont été menées pour proposer un meilleur modèle pour cet échantillon de lycéens français.
26Au final, la solution la plus acceptable pour la structure factorielle des données de cet échantillon de lycéens est un modèle en quatre facteurs avec 16 items. Mais à l’exception du second facteur qui comporte trois items de la seule dimension Résolution de problèmes, tous les items saturant les autres facteurs proviennent de sous-échelles différentes. Cette solution est en partie interprétable, en référence à la solution factorielle proposée par Chaney et al. (2007) et leur proposition d’interprétation relative à la temporalité, (d’abord choisir une filière, puis choisir un métier, enfin trouver un emploi). Dans ce cadre, et concernant la présente étude, le facteur 1 renverrait plutôt au choix des fondamentaux (long terme) et le facteur 4 à la recherche et au traitement de l’information (court terme). Quant aux deux facteurs restant, leur regroupement respectif d’items ne se retrouve pas dans la littérature. Leur interprétation amènerait ainsi à les intituler de façon différente des dimensions d’origine (Techniques de recherche d’emploi pour le facteur 3 et changement de voie pour le facteur 2). L’usage du
Tableau 3
Saturation aux quatre facteurs obliques dans la solution à 16 items, et estimations des paramètres de AFC
Items
|
Facteur
|
Paramètre
|
1
|
2
|
3
|
4
|
estimé
|
Facteur 1 : Choisir des objectifs à long terme
|
|
|
|
|
|
I22
|
Définir le style de vie que vous voudriez avoir
|
.81
|
|
|
|
1*9.
|
I19
|
Discuter avec une personne qui exerce déjà le métier qui vous intéresse
|
.70
|
|
|
|
1.69
|
I20
|
Choisir une filière ou une orientation qui réponde à vos intérêts
|
.64
|
|
|
|
1.25
|
I11
|
Choisir une carrière en accord avec votre style de vie
|
.59
|
|
|
|
1.15
|
I14
|
Décider ce que vous valorisez le plus dans un métier
|
.54
|
|
|
|
1.11
|
|
|
|
|
|
|
|
Facteur 2 : Changement de voie
|
|
|
|
|
|
I25
|
Identifier des filières ou une orientation différentes si vous ne pouvez pas réaliser votre choix numéro 1
|
|
.82
|
|
|
1.07
|
I13
|
Changer de filière si vous n'aimez pas votre choix numéro 1
|
|
.70
|
|
|
1*9.
|
I17
|
Changer de métier si vous n'êtes pas satisfait de celui que vous avez choisi
|
|
.70
|
|
|
1.04
|
|
|
|
|
|
|
|
Facteur 3 : Techniques de recherche d’emploi
|
|
|
|
|
|
I12
|
Faire un bon CV (Curriculum Vitae)
|
|
|
.65
|
|
0.86
|
I5
|
Estimer vos capacités de façon précise
|
|
|
.61
|
|
0.65
|
I24
|
Passer un entretien d'embauche avec succès
|
|
|
.57
|
|
1*9.
|
I4
|
Déterminer les mesures à prendre si vous avez des difficultés scolaires avec un des aspects de la filière choisie
|
|
|
.55
|
|
0.70
|
|
|
|
|
|
|
|
Facteur 4 : Recherche et traitement d’information
|
|
|
|
|
|
I3
|
Faire un échéancier de vos objectifs pour ces 5 prochaines années
|
|
|
|
.67
|
0.90
|
I23
|
Trouver des informations sur l'enseignement supérieur ou professionnel
|
|
|
|
.66
|
0.86
|
I1
|
Trouver des informations à la bibliothèque concernant des métiers qui vous intéressent
|
|
|
|
.64
|
0.62
|
I6
|
Sélectionner un des métiers parmi une liste de métiers que vous envisagez
|
|
|
|
.64
|
1*9.
|
27Note. Les numéros des items renvoient aux cinq sous-échelles de l’épreuve originale (Betz et al., 1996). I1, 10, 15, 19, 23 = items de la sous-échelle Recherche d’informations; I5, 9, 14, 18, 22 = Auto-évaluation; I2, 6, 11, 16, 20 = Définition d’objectifs; I3, 7, 12, 21, 24 = Planification; I4, 8, 13, 17, 25 = Résolution de problèmes.
28* Paramètre fixé à 1.
Table 3
Factor loadings of the oblique four-factor 16-item solution, and CFA parameter estimates
29conditionnel modère ces interprétations du fait de la présence d’items qui s’écartent de celles-ci (item 19 dans le facteur 1 et item 14 dans le facteur 3). Au final, cette solution en quatre facteurs est assez complexe et à ce titre n’apparaît pas vraiment satisfaisante, d’autant plus qu’elle ne comporte que 16 items sur les 25 que compte l’échelle d’origine. Notons enfin que ce modèle en quatre facteurs est différent de celui proposé par Gaudron (2011) sur des étudiants français. Sur la base de 18 items, les facteurs identifiés avaient été nommés Recherche d’informations, Sélection d’objectifs, Résolution de problèmes et Gestion de projet. Comme pour les précédentes études américaines, les structures factorielles identifiées semblent dépendre des échantillons.
30Une limite de l’étude des propriétés de l’échelle est l’absence d’appréciation de la fidélité test retest, ainsi que des preuves de validités critérielles, en particulier sur les relations entre les scores de la présente échelle et d’autres mesures vocationnelles. Notons également que l’échantillon n’est pas équilibré concernant les deux catégories de sexe.
31Il y a près de trente ans, Taylor et Betz (1983) proposait une mesure des sentiments d’efficacité vocationnelle reposant sur le modèle de la maturité de carrière de Crites (1961, 1978), l’échelle des sentiments d’auto-efficacité aux décisions de carrière. Toutes les recherches ont souligné la bonne fidélité des scores. Et à l’exception de l’étude de Miller et al. (2009), aucune n’a pu confirmer le modèle en cinq facteurs de Betz et al. (1976). Plusieurs modèles alternatifs ont été proposés pour rendre compte du caractère multidimensionnel de la CDSES-SF. La présente adaptation pour des lycéens français, tout comme celle pour des étudiants français (Gaudron, 2011), aboutit à des constats similaires (la structure factorielle identifiée ne recouvre pas les cinq domaines de compétences du modèle de Crites ; il est nécessaire d’éliminer des items pour parvenir à des solutions acceptables) mais également à des différences (les scores aux sous-échelles d’origine présentent des fidélités très modérées).
32En l’état des connaissances, il faut donc faire preuve de beaucoup de précautions sur l’utilisation de cette adaptation française à des fins professionnelles. Si l’unidimensionnalité a été mise en évidence pour quatre des sous-échelles d’origine, les faibles fidélités des scores de l’auto-description, de la planification et de la résolution de problèmes invitent à la prudence. En fait, au regard des analyses menées, seuls les scores de la sélection d’objectifs pourraient être utilisés. Enfin, l’usage d’un score composite à partir des items de la sous-échelle Recherche d’informations est déconseillé. Il faut également être prudent sur l’interprétation donnée au score total parce que cette échelle est multidimensionnelle. Il est sûrement préférable de considérer la valeur de ce score comme un indicateur des niveaux des différents sentiments d’efficacité vocationnelle relatifs aux grands domaines de compétences, plutôt que de l’interpréter comme un score global de sentiment d’efficacité à prendre des décisions de carrière. Bandura (2003, p. 69) utilise d’ailleurs le terme « d’indice sommaire intégratif » concernant la moyenne obtenue à différents domaines. Ainsi, si le score total est très élevé, on pourra penser que les sentiments d’auto-efficacité dans chaque domaine le sont, et inversement en cas de score bas. Un score moyen, en revanche, pourra signifier que les sentiments d’auto-efficacité ne sont pas tous à la même hauteur selon les domaines et amènera à identifier là où ils sont bas (sachant qu’un score total moyen pourrait également signifier des sentiments moyens pour tous les domaines).
33Plusieurs axes de recherche sont donc nécessaires. Les valeurs peu élevées des coefficients de fidélité, et en particulier s’agissant de la sous-échelle Recherche d’informations invitent à retravailler certains items pour augmenter la cohérence interne de l’outil. Mais l’équilibre est quoiqu’il en soit délicat. Pour Bandura (2003), sélectionner des items trop fortement corrélés conduit à une mesure de sentiments d’efficacité personnelle limitée à un aspect étroit. Et on peut penser avec Nunnaly et Bernstein (1994), qu’il est raisonnable, selon le sujet étudié, d’intégrer des contenus couvrant des compétences différentes. Pour autant, on est en droit d’attendre un coefficient d’homogénéité interne élevé entre les items d’une échelle. Ainsi, Lent et Brown (2006) suggèrent des valeurs d’homogénéité interne supérieures à .70, de préférence supérieures à .80. Par ailleurs, comme les résultats le soulignent, les cinq grands domaines de compétences à s’orienter de Crites sont insuffisamment représentés, ce qui soulève plusieurs questions : certaines tâches et/ou compétences significatives de ces domaines dans le contexte culturel français ne seraient-elles pas présentes dans l’outil ? Certains domaines auraient-ils une signification réduite dans ce contexte précis ? Un modèle alternatif serait-il alors nécessaire ? Les réponses apportées à ces questions ne sont pas indépendantes des préconisations ci-dessus en matière d’amélioration de l’homogénéité interne. Et elles pourraient conduire soit à l’amélioration de l’échelle existante, soit à la création d’un nouvel outil.
34La construction d’échelles de sentiment d’efficacité personnelle est bien documentée et a fait l’objet de publications aussi bien générales (Bandura, 2003 ; 2006) que spécifiques au champ de l’orientation (Betz, 2000 ; Lent & Brown, 2006). Sur la base de celles-ci, on donnera ci-après quelques pistes. Il est fondamental tout d’abord, selon Bandura que les chercheurs construisant des échelles d’auto-efficacité se fondent sur une analyse conceptuelle et des connaissances d’experts. Avoir un cadre conceptuel est important et concernant les compétences à s’orienter, si le modèle de la maturité de carrière de Crites peut-être une source utile à reprendre, le modèle plus récent de l’adaptabilité de carrière de Savickas (2005) qui comporte seulement quatre domaines de compétences, l’exploration, la prise de décision, la planification et la résolution de problème vise bien à répondre à la question de savoir comment une personne s’engage dans son orientation (Guichard & Huteau, 2007). Dès lors, si l’on pourra trouver dans les premiers travaux sur le sentiment d’auto-efficacité aux décisions de carrière, d’autres exemples de tâches (voir par exemple Taylor et al., 1983), la révision de l’Inventaire de Maturité de Carrière que viennent de proposer Savickas et Porfeli (2011) propose un ensemble pertinents de tâches génériques pour explorer des métiers ou filières prendre des décisions, planifier ou changer de voies. Concernant les connaissances d’experts, il faudrait y inclure également celles de conseillers d’orientation afin d’apprécier, en fonction du domaine d’activités, la nature, les circonstances, voire le niveau d’exigence des tâches requises. Ce type d’informations devrait enfin être complété par des entretiens et des questionnaires auprès de lycéens. Ces enquêtes seraient destinées à identifier les compétences perçues nécessaires ainsi que les défis et les obstacles à la performance. Notons pour clore ces quelques pistes que l’auto-efficacité aux décisions de carrière comporte dans le domaine de la résolution de problèmes en particulier, ce que Bandura appelle de l’efficacité autorégulatrice (Bandura, 2003 ; Lent et al., 2006). Dans les études préliminaires visant à l’élaboration de ce type d’échelle, on peut alors et par exemple, demander aux sujets de décrire des situations dans lesquelles il leur semble difficile de réaliser les activités requises.
35Un second axe de recherche devrait comporter des études répliquant ces travaux sur d’autres populations, en faisant varier les âges (collège, ...), les filières et avec des échantillons mieux équilibrés en ce qui concerne les catégories de sexe.
36Enfin, un dernier axe consisterait d’une part, à explorer sur des élèves et des étudiants français les relations entre les sentiments d’efficacité vocationnelle et d’autres construits liées aux choix et décisions d’orientation et d’autre part, à comprendre comment augmenter chez ces personnes, leurs sentiments d’efficacité vocationnelle.